Registre interne des systèmes d'IA (AI Act)

Trame de registre interne des systèmes d'IA d'une entreprise : usage, niveau de risque, rôle au sens de l'AI Act, données, contrôle humain.

Artículos de la Ley de IA : Articles 4, 6, 26 et 50

Nom du système

Nom interne de l'outil ou de l'assistant d'IA.

Fournisseur et modèle

Éditeur, modèle utilisé, version, hébergement (pays).

Usage et service concerné

À quoi il sert, quelle équipe l'utilise, combien d'utilisateurs.

Niveau de risque estimé

Interdit, haut risque, risque limité (transparence) ou risque minimal, avec la justification.

Données traitées

Types de données, présence de données personnelles, base légale RGPD.

Rôle de l'entreprise

Fournisseur, déployeur, importateur ou distributeur au sens de l'AI Act.

Contrôle humain

Qui vérifie les résultats, à quel moment, avec quel pouvoir de correction.

Responsable et date de revue

Personne référente et date de la prochaine vérification.

Coste estimado

Tokens de entrada por llamada : ≈ 382

Solo coste de entrada, sin la respuesta del modelo. Precios públicos estándar de los proveedores (Mistral AI, DeepSeek, OpenAI, Anthropic) convertidos de USD a euros al tipo del BCE del 29 de septiembre de 2026. Estimación: 1 token ≈ 3,6 caracteres.

Identificador

contextetech--registre-systemes-ia-entreprise

Tipo

Expedientes AI Act

Archivo

registre-systemes-ia-entreprise.md

Formato

MD

Tamaño

963 bytes

Codificación

UTF-8

Tokens estimados

≈ 259

Idioma

Francés

Licencia

MIT

Uso comercial

Permitido

Datos personales

Ninguno

Versión

1.0

Publicado el

1 de octubre de 2026 a las 18:55

Actualizado el

1 de octubre de 2026 a las 18:55

Almacenamiento

en base de datos

Usos

0

Me gusta

0

registre-systemes-ia-entreprise.md

# Registre interne des systèmes d'IA (AI Act)

Trame de registre interne des systèmes d'IA d'une entreprise : usage, niveau de risque, rôle au sens de l'AI Act, données, contrôle humain.

## Nom du système

Nom interne de l'outil ou de l'assistant d'IA.

## Fournisseur et modèle

Éditeur, modèle utilisé, version, hébergement (pays).

## Usage et service concerné

À quoi il sert, quelle équipe l'utilise, combien d'utilisateurs.

## Niveau de risque estimé

Interdit, haut risque, risque limité (transparence) ou risque minimal, avec la justification.

## Données traitées

Types de données, présence de données personnelles, base légale RGPD.

## Rôle de l'entreprise

Fournisseur, déployeur, importateur ou distributeur au sens de l'AI Act.

## Contrôle humain

Qui vérifie les résultats, à quel moment, avec quel pouvoir de correction.

## Responsable et date de revue

Personne référente et date de la prochaine vérification.

PEFT / Transformers

from peft import LoraConfig, get_peft_model
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "undefined", device_map="auto")

config = LoraConfig(
    r=undefined, lora_alpha=undefined, lora_dropout=undefined,
    target_modules=[],
    task_type="CAUSAL_LM",
)
model = get_peft_model(model, config)
model.print_trainable_parameters()
# lr=undefined, epochs=undefined, batch=undefined, grad_acc=undefined, max_seq_len=undefined